LuckyTemplates Advanced Analytics: Sekundære tabellogikteknikker

I denne vejledning vil jeg gennemgå nogle avancerede analyseteknikker inden for LuckyTemplates og DAX-formelsproget, som jeg kalder sekundær tabellogik. Du kan se den fulde video af denne tutorial nederst på denne blog.

Nogle gange, når du bruger LuckyTemplates til dine analyser, vil du gerne finde eller opdage interessant indsigt, men de aktuelle data, du arbejder med, tillader dig muligvis ikke at udtrække sådanne indsigter.

Derfor er det nogle gange afgørende at oprette sekundære tabeller for at bringe sådanne oplysninger ind i din kernedatamodel.

Jeg viser fra start til slut, hvordan du skal tænke analytisk omkring at udnytte disse tabeller, men så også hvordan du implementerer dem på en virkelig praktisk måde.

Vi lærer bedre ved at gøre det, og derfor vil jeg tage dig igennem et praktisk eksempel på, hvordan du kan gøre dette på egen hånd. Jeg vil demonstrere, hvordan du kan bringe forskellige informationer eller indsigter ind i din dataanalyse, der virkelig viser tingene frem på en meget mere effektiv måde.

Så her regner vi ud det samlede salg af vores sælgere i de sidste 60 dage. Og så ud fra det, vil vi dynamisk klassificere dem som gode, mellemstore eller nederste sælgere.

Når vi går gennem tiden, kan vi se tilbage i de sidste 60 dage og se, hvilke sælgere i enhver 60-dages periode, der sælger rigtig godt.

Indholdsfortegnelse

• Forgrening til sekundær tabellogik
• Oprettelse af den sekundære tabel
• Brug af sekundær tabellogik til at udtrække indsigt
• Konklusion

Forgrening til sekundær tabellogik

Før vi dykker ned i at skabe den sekundære tabellogik, lad os gennemgå de beregninger, der er involveret i at opnå dette.

Dette eksempel her er statisk i forhold til det indbyggede demodatasæt, så jeg var nødt til at lave en formel, der henter sidste dato i min salgstabel. 

Jeg har specifikt til hensigt det på den måde for denne demonstration, men du kan have det på en anden måde i dine egne datasæt, som det ville blive opdateret hver dag. Her er den formel, jeg oprettede for at få den sidste dato .

Ud fra dette kan vi så føre denne formel ind i vores beregning, Transaktioner sidste 60 dage . I denne beregning går vi til BEREGN LANDERADER i tabellen Salg . Derefter åbner vi det dynamiske 60-dages vindue ved at bruge FILTER ALLE datoer , der gentager tabellen Datoer , som derefter giver os de resultater, vi leder efter.

Dette vil vise os det samlede salg, som enhver sælger har foretaget i de sidste 60 dage på løbende basis, efterhånden som vi bevæger os gennem tiden. Når vi filtrerer dette, kan vi se vores dårligste og bedste sælgere.

Vi kan også gøre dette udseende mere visuelt tiltalende ved at bruge nogle databjælker . Vi går til betinget formatering,

så ændre det lidt op med nogle farver.

Nu kan vi tydeligt se vores topsælgere baseret på de sidste 60 dage i dette datasæt.

Nu er det her den sekundære tabellogik kommer ind i billedet. Vi grupperer disse sælgere baseret på, hvor mange produkter de sælger.

Denne indsigt vil hjælpe os med at styre vores folk godt og træffe bedre beslutninger i forhold til at give belønninger eller måske endda fyre dem, der slet ikke præsterer.

Oprettelse af den sekundære tabel

En sekundær tabellogik er nødvendig her, fordi dette er en dynamisk beregning. Vi kan ikke lægge dette ind i opslagstabellen. Vi skal være i stand til at iterere gennem tallene ind i logikken i en sekundær tabel for derefter at gruppere disse personer.

Så for at oprette en anden tabel, går vi ind på Indtast data og skriver derefter titlen og kolonnerne. 

Vi skaber vores Min og vores Max , og sætter derefter de værdier ind, som vi har til hensigt at have. Derefter klikker vi på Indlæs.

Når det er indlæst, har vi det i vores model. Bemærk, at en sekundær tabel ikke har noget forhold til vores datamodel. Den sidder kun herude, og vi forbinder den ikke med noget, fordi vi ikke behøver det.

Dette er tabellen, vi skal gentage. Det betyder, at vi for hver sælger og det resultat, vi fik fra vores transaktion sidste 60 dage, bestemmer, hvilken gruppe de tilhører baseret på vores min. og maks. her.

Så nu skal vi skrive en formel, der gør os i stand til at finde ud af, hvad det er.

Brug af sekundær tabellogik til at udtrække indsigt

For at uddrage disse indsigter skal vi først oprette en ny foranstaltning. Vi kommer til at returnere en tekstværdi her, fordi vi vil sætte disse mennesker i en gruppe.

Lad os kalde denne formel Sælgere Performance Group . Vi bruger funktionen CALCUATE to SELECTEDVALUE , som er vores sekundære tabellogik , hvor den vil finde og returnere én tekstværdi (top, OK, dårlig). Vi sætter et alternativt resultat ( BLANK ) for en sikkerheds skyld.

Så er det på næste linje, hvor vi sætter vores sekundære tabellogik. Og vi bruger FILTER- funktionen, da den gentager sig gennem ALT vores sælgerlogik .

Med denne logik finder vi ud af den gruppe, som en bestemt sælger er i, og den gruppe vil være dynamisk, fordi dette mål er dynamisk. Og så hvis vi bringer dette ind i vores tabel, så vil vi nu se resultaterne.

Vi greb en bestemt figur fra et andet bord, som jeg kalder et sekundært bord, og bragte det så ind via mål i vores model.

Konklusion

Dette er kraften ved avanceret analyse i LuckyTemplates. Ved at bruge sekundær tabellogik har vi ikke brug for disse mellemliggende beregninger. Formlen gør alt det hårde arbejde for os. 

Dette er alle de tips, du behøver for at kunne forstå dette unikke koncept i LuckyTemplates. Disse teknikker er faktisk ret unikke for og for nogle af de bedste praksis-udviklinger, som vi er ved at gennemføre.

Det er først, når du har læst denne blog og set videoen nedenfor, at du forstår præcis, hvad jeg mener. Så gå videre og gennemgå videoen. Jeg kan love for, at der er meget at lære.

Dit sind vil ekspandere eksponentielt med hensyn til den analyse og information, du kan få ind i dine rapporter.

Held og lykke!